Kongressen möter motstånd för att skynda på datacenter som AI:s miljöpåverkan granskas

En koalition av nästan 120 samhälls-, arbetsmarknads- och miljörättsorganisationer uppmanar kongressen att avvisa försök att skynda på datacenterutveckling i samband med artificiell intelligens. Deras varning speglar en växande spänning: den infrastruktur som möjliggör genombrott inom medicin, utbildning och vetenskaplig upptäckt orsakar också en ökande belastning på energisystem, vattenförsörjning och lokala samhällen.

Det finns liten debatt om AI:s potential. Det kan accelera läkemedelsupptäckt, förbättra diagnostik och omforma hela industrier. Men de fysiska systemen bakom denna utveckling expanderar snabbare än de skyddsåtgärder som är avsedda att hantera deras påverkan.

Miljöpåverkans omfattning

Datacenters miljöavtryck är inte längre abstrakt. Det är mätbart, omedelbart och växer snabbt.

Stora anläggningar kan förbruka upp till 5 miljoner gallon vatten per dag, vilket motsvarar behoven för tiotusentals människor. I USA använder tusentals datacenter kollektivt miljarder gallon om året, och denna efterfrågan ökar allt eftersom AI-arbetsbelastningar intensifieras.

Denna vattenanvändning är direkt kopplad till energiförbrukning. När servrar genererar värme krävs mer kylning, vilket ökar både elkonsumtion och vattenanvändning. Samtidigt är färskvattenresurserna begränsade, med mindre än 1% av världens vatten tillgängligt för mänskligt bruk.

Energisidan av ekvationen är lika oroande. Många datacenter förlitar sig fortfarande i hög grad på fossila bränslen. Dieselbackupaggregat är fortfarande standard, vilket bidrar till lokal luftförorening och långsiktiga utsläpp. I vissa regioner fungerar dessa aggregat tillräckligt ofta för att bli en betydande källa till kväveoxider och partiklar, vilka båda är kopplade till andningsbesvär.

De indirekta effekterna är lika betydande. Elproduktion i sig förbrukar vatten, vilket innebär att datacenters verkliga vattenavtryck sträcker sig långt bortom på platsen kylning.

En växande belastning på vattenstresade regioner

En av de mest oroande trenderna är var dessa anläggningar byggs.

En betydande andel datacenter är belagda i områden som redan står inför vattenbrist. Rapporter indikerar att ungefär 40% av USA:s datacenter opererar i regioner med hög eller extrem vattenstress, vilket ökar trycket på lokala försörjningar och ekosystem.

I dessa regioner tävlar datacenterbehov direkt med bostadsanvändning, jordbruk och långsiktig vattensäkerhet. Samhällen har rapporterat stigande vattenkostnader, ökade restriktioner och växande bekymmer om långsiktig hållbarhet.

Samtidigt erbjuder lokala myndigheter ofta incitament för att locka till sig dessa projekt, ibland utan att fullständigt ta hänsyn till de långsiktiga miljökostnaderna.

Föroreningar, hälsorisker och stigande kostnader

Utöver vatten och energi blir den bredare miljöpåverkan allt tydligare.

Fossibränslebaserade datacenter bidrar till:

• Ökade växthusgasutsläpp
• Luftförorening från backupaggregat
• Högre elpriser på grund av nätbelastning
• Infrastrukturtryck på redan överbelastade samhällen

Dessa påverkan är inte jämnt fördelade. Anläggningar är ofta koncentrerade i låginkomstområden, där samhällen redan står inför miljöutmaningar. Denna mönster speglar tidigare industriella expansioner, där de ekonomiska fördelarna var ojämnt fördelade medan miljökostnaderna var lokaliserade.

En motsägelse som är svår att försvara

Den mest slående aspekten av denna fråga är inte tekniken i sig, utan missmatchningen mellan kapacitet och implementering.

Företagen som driver AI-boomen är bland de mest värdefulla i världen, med resurser som mäts i hundratals miljarder. De har möjlighet att distribuera renare infrastruktur i stor skala. Ändå bygger mycket av den nuvarande expansionen fortfarande på äldre metoder som prioriterar hastighet och kostnad framför hållbarhet.

Det finns ingen teknisk begränsning som förhindrar förändring. I själva verket har några av de mest avancerade lösningarna redan börjat användas.

Verkliga exempel på renare datacentermodeller

Flera företag och projekt visar att datacenter med lägre miljöpåverkan inte bara är möjliga, utan redan i drift.

Microsofts vattenfria och immersionkylningsystem

Microsoft (MSFT ) har experimenterat med tvåfas immersionkylning, där servrar nedsänks i icke-ledande vätska som absorberar värme effektivt. Denna metod minskar energiförbrukning och eliminerar behovet av traditionell vattenbaserad kylning.

Företaget har också introducerat nya datacenter som är utformade för att använda noll vatten för kylning, och i stället förlita sig på slutna system och avancerad termisk hantering.

I samma anda har deras Project Natick undersökt undervattensdatacenter, som använder havets naturliga kylningsegenskaper för att förbättra effektivitet och minska miljöpåverkan.

Googles vattenåtervinnings- och effektivitetsansträngningar

Google (GOOGL ) har implementerat datacenter som använder återvunnet vatten i stället för dricksvatten, vilket minskar belastningen på kommunala system. I Georgia behandlar och återanvänder en anläggning sitt eget avloppsvatten på plats, vilket minskar den externa efterfrågan.

Samtidigt har Google investerat kraftigt i förnybar energi och blivit en av de första stora molntjänsteleverantörerna som matchar sin elförbrukning med 100% förnybar energi, och satt en standard för branschen.

Crusoes slutna kylsystem

Nya aktörer trycker också på gränserna. Crusoes stora AI-datacenter i Texas använder ett slutet kylsystem som recirkulerar vatten i stället för att förbruka det, vilket dramatiskt minskar användningen till en bråkdel av traditionella system.

Denna metod visar hur infrastruktur kan utformas från grunden för att minimera miljöpåverkan i stället för att retrofitta lösningar senare.

Startups som driver nästa generations kylning

En våg av startups fokuserar specifikt på att minska vatten- och energiförbrukning. Företag som Submer och Corintis utvecklar:

• Immersionkylningsystem som drastiskt förbättrar värmeöverföring
• Mikrofluidisk kylning inbäddad direkt i chip
• Slutna design som återvinner vatten kontinuerligt

Dessa teknologier är inte experimentella. De används redan och förväntas skala när efterfrågan ökar.

Varför dessa lösningar inte skalar tillräckligt snabbt

Om dessa alternativ finns, varför är de inte standard?

SVaret handlar om kostnad, hastighet och incitament. Traditionella luft- och vattenkylningsystem är väl förstådda, lättare att distribuera och ofta billigare på kort sikt. Nya system kräver initiala investeringar, omkonstruktion av infrastruktur och operativa förändringar.

Men detta kortsiktiga tänkande kommer med långsiktiga konsekvenser. När ett datacenter är byggt kan det operera i årtionden. Att retrofitta ineffektiva system senare är dyrt och ofta opraktiskt.

Politikens roll i att forma utfallet

Här blir den nuvarande debatten i kongressen kritisk.

Att skynda på tillstånd utan miljögranskning riskerar att låsa in föråldrad infrastruktur precis när bättre alternativ är tillgängliga. Koalitionens argument är inte mot AI, utan mot att ta bort de skyddsåtgärder som säkerställer att det utvecklas på ett ansvarsfullt sätt.

Politiken kan påverka utfallet genom att kräva:

• Öppen rapportering av vatten- och energianvändning
• Minimikrav för förnybar energi
• Tillämpning av vatteneffektiva kylningsteknologier
• Samhällskonsultation och påverkansbedömningar
• Skatteincitament för förnybar energi

Dessa åtgärder skulle inte sakta ner innovationen. De skulle säkerställa att innovationen är i linje med långsiktig hållbarhet.

Ett avgörande ögonblick för AI-infrastruktur

Utvidgningen av datacenter är en av de viktigaste infrastrukturförändringarna under det kommande decenniet. Det kommer att forma inte bara framtiden för AI, utan också den digitala ekonomin miljöavtryck.

Tekniksektorn har redan visat att renare, mer effektiva modeller är möjliga. Microsoft, Google och nya aktörer visar att vatteneffektiva och förnybarbaserade datacenter kan byggas idag.

Frågan är om dessa tillvägagångssätt förblir undantag eller blir standard.

Kongressen står nu inför ett beslut som går utöver tillståndsreform. Det är ett val om huruvida infrastrukturen bakom AI ska spegla samma nivå av ambition som tekniken i sig, eller fortsätta att externalisera sina kostnader på samhällen och ekosystem.

Vägen framåt: Att bringa AI:s löfte i linje med ansvar

Artificiell intelligens har potentialen att omforma världen till det bättre. Den kan låsa upp medicinska genombrott, optimera leverantörskedjor, förbättra utbildning och hjälpa till att lösa komplexa globala utmaningar. Den framtiden är fortfarande inom räckhåll.

Men att blunda för de miljö- och sociala kostnaderna för infrastrukturen bakom AI är inte en hållbar väg framåt.

Branschen måste komma samman för att hantera dessa utmaningar direkt. Det innefattar att använda AI själv för att optimera energisystem, förbättra nätverkseffektivitet, minska utsläpp och utveckla smartare tillvägagångssätt för kylning och vattenanvändning. Den intelligens som driver innovation kan också appliceras för att göra innovationen hållbar.

Några städer och delstater är redan på väg att säga nej till nya datacenterutvecklingar på grund av bekymmer över vattenanvändning, energibehov och samhällspåverkan. Dessa beslut speglar de verkliga tryck som upplevs på plats och bör inte avfärdas.

Ansvaret ligger nu hos både politiker och branschledare. I stället för att ta bort skyddsanordningar bör fokus ligga på att stärka dem. Tillståndsprocesser kan förbättras för att bli snabbare och mer effektiva utan att offra tillsyn. Tydliga, verkställbara standarder för förnybar energi, vattenkonservering och samhällsengagemang bör bli normen snarare än undantaget.

Unite.AI tror att framtiden för AI inte bör komma på bekostnad av de samhällen den berör. Vägen framåt handlar inte om att sakta ner utvecklingen, utan om att se till att utvecklingen byggs på en grund som är hållbar, rättvis och i linje med det långsiktiga målet att göra världen till en bättre plats.

Vi kan och bör förvänta oss mer av de företag som bygger grunderna för denna teknik. Den mest lönsamma industrin i världen har resurserna att leda, inte att följa efter. Utvecklingen bör ske genom samarbete, ansvar och högre standarder, som säkerställer att AI blir en del av lösningen snarare än en växande källa till problemet.